掌控華爾街交易的計算機算法

計算機算法最初用於提升股票市場交易的效率，但因爲參與市場交易的算法愈來愈多愈來愈複雜，致使了目前股票市場已經沒法離開計算機系統來運做，而人類又沒法徹底理解複雜的計算機算法系統，不可避免對股票市場形成了認爲沒法控制的負面影響。

掌控華爾街交易的計算機算法

做者：Felix Salmon 和 Jon Stokes

2010年12月27日

 

 

去年春天，道·瓊斯啓用了一個新的Lexicon服務系統。這個系統能夠實時地給職業投資者發佈金融新聞資訊。實際上，這個新的系統並不使人驚奇。這家在華爾街日報和道瓊斯通信社背後的公司因爲發佈可以影響股票市場的新聞資訊而名聲大噪。可是，絕大多數訂閱Lexicon服務的職業投資者並非人，而是無數行代碼所構成的計算機算法。這些計算機算法管理並控制着不斷增加的全球交易活動。可是，計算機算法與人解讀新聞資訊的方式並不相同，它們不須要以敘事的形式、甚至能夠不經過語句的形式來傳遞信息。它們只須要數據——那些關鍵的、可執行的信息。

Lexicon將新聞資訊以計算機客戶端可以識別的方式進行封裝。Lexicon實時地掃描每個道·瓊斯的新聞，尋找使投資者直觀瞭解股市情況的文字線索。而後它將信息以機器可讀的格式發送給訂閱Lexicon服務的程序，它們會進一步地解析收到的信息，再利用最終的數據來支持和引導投資決策。Lexicon已經實現了自動閱讀新聞、提取關鍵信息以及完成股票交易的功能。這些電腦再也不僅僅是處理數字，它們已經開始代替人作決策。

這樣的交易運行機制極大地拓展了整個金融系統。在過去的十年中，計算機算法操控的交易已經佔領了這個行業。不管是剛剛創立的對衝基金惟一的櫃檯，仍是高盛公司富麗堂皇的大廳，計算機代碼承擔着華爾街大部分的交易活動。（據估計，計算機輔助高頻率交易已經佔有所有交易量的70%。）於是，股票市場的起起伏伏再也不由交易員比拼誰擁有最精準信息，或者誰有最聰明的商業頭腦所決定，而在很大程度上取決於計算機算法全面掃描包含潛在收益的微小信號的能力。

計算機算法已經深深地根植於咱們的金融系統中，以致於股票市場的運做沒法離開它們。最基本的，計算機幫助潛在的股票買家和賣家尋找直接的交易對手，從而避免了在交易過程當中經紀人或者委託人的參與。高頻率交易算法或者稱爲閃電交易算法，可以在每秒中買入和賣出成千上萬的股票。它們如此快速地、大規模地執行交易，以致於哪怕股票價格微小地波動幾分錢都會致使交易最終的盈利或者虧損。另外一些計算機算法的執行速度較慢，可是它們內部結構會更加複雜，例如分析盈利情況、股票走勢和新聞資訊以尋找其餘人可能錯過的有價值的投資。所以，計算機系統比任何人都更加高效、快速和聰明。

與此同時，計算機系統也更難以被人理解、預測和監管。計算機算法，正如大部分交易員同樣，習慣於遵照一套很是簡單的規則。可是計算機算法可以在一秒鐘內分析成千上萬的數據，從而對市場中所發生的變化作出當即的反應。每次交易都會建立一個計算機之間連續而快速地響應對方的會話來發送數據。最理想的狀況，計算機系統是了一個高效、智能的資源分配機器，一個被精確化和定量的市場，而不是受到感性和易犯錯的判斷所影響的市場。

可是最糟糕的狀況是計算機系統只是一個沒法預測的、沒法受控的反饋循環。可能每一個計算機算法都很是簡單、也可以受到人類的控制；可是當他們之間開始交互的時候，他們可以創造出意想不到的行爲，例如系統建立的導航會話可以摧毀這個系統。2010年5月6日，道·瓊斯工業平均指數使人費解地不斷下跌，出現了在五分鐘內下滑了573點的「崩盤暴跌」。五個月後，北加州的ProgressEnergy公司的股票價格下跌了90%，而Progress Energy公司卻無能爲力。一樣也在九月底，蘋果（Apple）的股價在30秒內下跌了近4%，雖然幾分鐘以後股價恢復了正常。

如今咱們對這些突發的市場下跌習覺得常，而咱們依然不知道是什麼緣由致使的。可是大部分觀察家認爲強大的、超高速的交易算法應該對此負責——衆多簡單指令的交互所構成的市場對於人類大腦來講，是沒法徹底理解的，也是沒法預測的。

不管如何，如今計算機還處於咱們的控制之下。

諷刺的是，爲了便捷交易員的工做才啓用計算機算法做爲交易工具。在電子交易出現以前，大型機構投資者通常經過自身的實力和普遍的人脈網絡，尋找提供最優條件的交易中間人。「咱們之前資本盈利的模式於如今相比是不一樣的」，美國世紀風險投資公司（American Century Ventures）在堪薩斯城市投資公司的一個部門前首席長官，哈羅德·布拉德利（Harold Bradley）這樣說，「所以我已經改變了這一策略。」

布拉德利是90年代末最初一批嘗試使用計算計算法的交易員之一，他們嘗試着尋找投資盈利的模式。他花費了近三年時間來構建他的股票計分程序。首先他建立了一個神經網絡，細心地培育這個神經網絡以模擬他的思惟，從而識別那些他直覺和經驗所認爲會影響股票價格走勢的綜合因素。

可是布拉德利不只想創造一個與他思惟模式同樣的機器，還但願這個邏輯系統以一種徹底不一樣的、比人類更加聰明地方式來觀察分析股票市場。因而在2000年布拉德利召集了一批工程師，尋找最可以準確預測股票業績的指標。他們發現了一些例如公司盈利增加的傳統度量變量，以及其餘技術含量更高的因素。布拉德利總共找到了七個關鍵的因素，其中包括了他創造的神經網絡的判斷，同時他認爲這個因素對預測股票走勢是有幫助的。

此後，布拉德利嘗試利用UC伯克利大學的一個叫作「差分進化優化器」（differential evolution optimizer）程序，爲每一個因素尋找合適的權重。布拉德利從隨機的權重值開始探索，例如賦予盈利增加相比收入增加兩倍的權重值。讓程序分析在給定時間點上業績良好的一些股票的信息，而後從中隨機地挑選10只股票並分析它們的歷史數據，驗證權重組合是否符合預測這些股票在實際中的業績表現。經過選擇略微不一樣的開始日期或者不一樣的股票組合，不斷重複驗證權重組合的合理性。對於每一組權重值，都須要通過成千次這樣的驗證測試，以驗證是否符合這些股票實際的業績走勢。而後再修改各因素的權重值、再從新進行上述的驗證測試。最終，布拉德利的團隊收集了大量權重組合的業績數據。

對權重組合的驗證過程結束後，布拉德利選擇了10組最符合實際業績的權重組合，再次使用差分進化優化器對它們進行驗證。優化器將這些權重值進行配對，又組合出100個子權重。再從這些驗證過的權重值中找出10個從新配對，進而產生新的100個三代子權重。（程序也會引入一些偶然的變化和隨機性，由於這樣可能帶來一兩個意想不到的驚喜。）在這樣創造出不少代子權重以後，布拉德利的團隊終於找到了理想的權重組合。（在2007年，布拉德利離開這個研發團隊，開始管理擁有18億投資基金的考夫曼基金會，並申明他再也不對他的計算機算法的性能發表任何意見。）

布拉德利的努力僅僅是個開端。不久，投資和戰略管理者開始在世界聞名的數學、科學和工程學校中尋找人才。這些學者爲傳統的交易櫃檯帶來了在計算機科學和統計學方面複雜的人工智能的方法。

他們開始將這些人工智能的方法運用到金融領域的各方各面。創造出了與尋找股票、買入股票和賣出股票相似的算法（在實際操做中被稱做全部權交易）。還有幫助經紀人執行大型交易訂單的算法。這些大規模的買賣訂單須要花費必定時間來完成交易。若是其餘交易員在這筆交易完成前發現了這筆交易正在進行，交易的價格極可能被人爲操縱。這些計算機算法打破而且優化了這些訂單的執行過程，市場中不相關的人沒法在交易完成前發現這筆交易的進行。（這種算法的交易過程可能使人感到沒法理解；在實際操做中被稱爲算法交易）不過也有人故意編寫算法來破解這些算法的代碼，尋找刻意隱藏的大規模交易訂單。（這種算法被稱爲掠奪交易。）

這樣，最終會生成一堆相互競爭的算法，每一個算法都在嘗試比其餘算法更聰明的運行。「咱們一般根據電影獵殺紅色十月（The Hunt for Red October）來討論，就像潛水艇戰爭。」瑞士信貸的高級服務執行部門的經理，Dan Mathisson這樣說到，「有掠奪性的交易員在市場背後持續地監聽，嘗試尋找大型潛水艇的出現。（譯者注：這裏暗指監聽大規模交易的出現。）計算機交易算法的任務就是儘量地隱蔽潛水艇。（譯者注：這裏暗指隱蔽大規模交易的進行。）」

同時，這些算法傾向於從計算機的角度觀察市場，這將極大地不一樣於人類的視角。例如，許多全部權交易的算法不是僅關注個別股票的走勢，而將整個市場視做一個巨大的天氣系統，這個系統有可以被預測、投資的趨勢和變化指標。人類不必定可以發覺這些趨勢和變化的模式，但計算機擁有對龐大數據量進行光速分析的能力，因此計算機是可以發現這些模式的。

Voleon資本管理公司於三年前在加利福尼亞州的伯克利成立，公司的合夥人採用了這個方法。Voleon公司按照預測一類相關股票微小變更的模式，在大量數據的池中進行數據過濾。來專一於統計學上的套利業務。

坐落於一個破爛的辦公樓三層，Voleon原本能夠是一家港灣地區的網站創業公司。計算機工程師們在辦公室內處處擺放着牛仔褲和T-shirt，他們在字跡潦草的白板和半開的盒子中間走來走去。合夥創辦人Jon McAuliffe前後畢業於伯克利和哈佛大學，他曾經在亞馬遜網站的公司信息推薦引擎項目組工做。另外一位合夥人是Voleon公司的CEO，Michael Kharitonov，畢業於伯克利和斯坦福的計算機科學家，他也曾建立過一個互聯網公司。

經過Voleon公司創辦人的描述，他們的交易策略更相似於數據分析，而不是傳統的投資。事實上，McAuliffe和Kharitonov申明他們甚至不知道計算機在尋找什麼，或者如何得出它們的結論。「咱們只能說，‘這是一堆數據。排除掉噪音的干擾，提取出關鍵的信息，’」Kharitonov說，「咱們不知道關鍵信息將會是什麼樣。」

「咱們系統所使用的交易策略不一樣於人類使用的策略，」Kharitonov繼續說，「咱們不和人類競爭，由於當你同時交易成千上萬的股票的時候，人類的大腦是沒法抓取很小很小的變化。咱們的系統在不一樣的領域發揮做用，嘗試利用那些對於人類大腦過於複雜的效應。它們須要你在同一時刻關注成千上萬的事情，而且每支股票都在進行微量的交易。人類是沒法作到這一點的。」

九月底，商品期貨交易委員會和證券交易委員會公佈了一份104頁有關5月6日股市暴跌的報告。報告認爲，暴跌是由一個「重要的大型交易算法」使用了對衝他本身股票市場地位的算法所致使的。這筆交易花了20分鐘以內執行完成，這是一個段很長的時間窗口，引發了其餘算法針對市場暴跌的響應也是賣出，進一步致使了市場下跌。這樣的混亂產生了表面上不合理的交易，例如埃森哲的股票以每股一便士的價格出售，而購買蘋果的股票須要每股10萬美圓。（這兩種交易在隨後都被取消了。）這樣的算法操做行爲使整個金融系統陷入癱瘓。

報告澄清了一些幾個月前的問題，在這以前一直沒有任何解釋。立法委員和管理委員認識到這些他們不能解釋、沒法預測或預防的現象的嚴重性，因而開始嚴肅地對待計算機算法交易。在此次市場暴跌的警示下，證券交易委員會主席Mary Schapiro公開地表示考慮可能會從收回一部分計算機算法的操控權。「自動交易系統是不會考慮後果、按照它們的代碼邏輯去執行交易，」她這樣告訴國會小組委員會，「而由人來執行交易的時候，就會避免執行那些價格不合理的交易。」特拉華的參議員Ted Kaufman在九月還曾提出過更嚴重的警告，「當大量資金注入一個有風險領域的時候，當市場劇烈變化的時候，當市場交易不透明於是缺少有效監管的時候，咱們都面臨着災難。」

在市場暴跌以後的幾個月裏，證券交易委員會宣佈了多個度量手段來預防相似事件的發生。在六月，交易系統安裝了巡邏破壞器來自動地阻止那些在五分鐘內股票價格波動超過10%的交易。（在九月，證券交易委員會主席Schapiro申明代理機構能夠爲了預防沒必要要的交易阻止而調整巡邏破壞器的參數。）代理機構正在考慮要求在交易算法中加入一個「管理者」，用於限制交易執行的規模和速度。代理機構還建議建立統一審計痕跡，這是一個用於收集每筆交易和執行的信息的獨立數據庫，證券交易委員會官方的評論表示：「這能夠幫助監管者在市場中保持與新技術和交易模式的同步發展。」還有人建議部署一套交易稅收系統，但這將給大型、快速的交易執行增長額外的負擔。

可是這些都不是控制計算機算法的解決辦法，它們只可以放慢算法的速度或者在幾分鐘內阻止算法的執行。這也是默認了計算機系統發育的成熟度超過了人類當初創造計算機系統時所設計的。今天一隻股票每秒鐘內能夠收到1萬個出價邀約；這樣大量的、氾濫的數據已經不可以用一個簡單的因果關係來解釋。「咱們的金融市場已經變成了一個有反饋信息的、龐大的、自動調節的動態系統，」賓州大學計算機科學教授Michael Kearns如是說，他曾經給多家華爾街的公司發明了計算計算法。「我還不知道有哪一門學科可以合理地解釋這個系統的潛在含義。」

對於我的投資者，計算機算法交易已經帶來了益處：今天，它們能比之前更快、更廉價、更便捷地買賣股票。可是從系統的角度講，股票市場的風險也已經超過了咱們的控制範圍。即便咱們能夠天衣無縫地解釋每一個獨立的算法，整體上這些算法都遵照同一個突發邏輯——人工智能，但不是人造的人類智能。簡單說，這是在硅片上工做的外星人，而不是中子和神經。咱們可以讓算法放慢速度，可是咱們永遠沒法控制或者理解算法。如今是計算機操控的市場，咱們只是在市場中交易。

 

轉自   http://article.yeeyan.org/view/28432/162145